Más allá de las concentraciones ambientales residenciales: Cuantificación del error de exposición y avance en la...

Área de la Ciencia:

• Ciencias de la salud ambiental; Epidemiología; Ciencia de datos

Sus antecedentes:

• La evaluación precisa de la exposición personal a material particulado fino (PM2.5) es vital para los estudios epidemiológicos.
• Los datos convencionales de calidad del aire ambiente a menudo conducen a una clasificación errónea significativa de la exposición.
• Los métodos existentes luchan con la escalabilidad y la precisión en estudios de población a gran escala.

Objetivo del estudio:

• Cuantificar los errores asociados con el uso de datos de calidad del aire ambiente como sustitutos de la exposición personal a PM2.5.
• Desarrollar y validar un marco de modelado escalable para predecir la exposición personal a PM2.5 utilizando datos accesibles.
• Mejorar la precisión de las estimaciones de exposición en cohortes epidemiológicas grandes.

Principales métodos:

• Un estudio de panel que involucró a 12 adultos en tres ciudades chinas, recopilando 4571 horas-persona de mediciones personales de PM2.5.
• Comparación de mediciones personales con tres fuentes de datos ambientales para cuantificar los errores relativos.
• Desarrollo de un marco de modelado integrado que utiliza concentraciones ambientales, datos meteorológicos y características personales, empleando algoritmos de aprendizaje automático (Random Forest) con ajuste de hiperparámetros y validación cruzada.

Principales resultados:

• Se encontraron discrepancias sustanciales entre la exposición personal y ambiental a PM2.5, con errores relativos promedio diarios que oscilan entre el 39% y el 48%.
• El modelo de Random Forest desarrollado, utilizando datos diarios de estaciones de monitoreo, logró un alto rendimiento predictivo (R² = 0.87).
• El análisis SHAP confirmó el PM2.5 ambiental como el predictor principal, y los rasgos personales y los factores meteorológicos también mostraron contribuciones significativas.

Conclusiones:

• El estudio proporciona un marco de modelado validado y de extremo a extremo que refina significativamente la estimación de la exposición personal a PM2.5 más allá de los sustitutos ambientales tradicionales.
• Este flujo de trabajo estandarizado ofrece una solución escalable para mejorar la precisión de los datos de exposición en la investigación de salud sobre contaminación del aire a gran escala.
• Los hallazgos subrayan la importancia de ir más allá de los datos ambientales para reducir la clasificación errónea de la exposición y mejorar la validez de los hallazgos epidemiológicos.